Apprendimento non supervisionato
Applicazioni con Sklearn
Questo modulo fornisce una panoramica completa dei più importanti metodi di apprendimento non supervisionato nell'ambito dell'apprendimento automatico. Attraverso una serie di casi di studio, vi insegneremo quali modelli sono adatti a compiti specifici e come organizzare efficacemente la preparazione dei dati per l'applicazione di questi modelli. L'attenzione si concentra su clustering, rilevamento di anomalie e riduzione della dimensionalità.
Cosa imparerete?
Framework Python: iniziamo con un ripasso dei principali framework Python utilizzati nell'apprendimento automatico, tra cui Skearn, Pandas e NumPy.
Apprendimento non supervisionato: imparerete a conoscere i diversi modelli di apprendimento non supervisionato, compresi i metodi di clustering, come K-Means, e l'analisi delle componenti principali (PCA).
Formazione: spieghiamo come addestrare questi modelli e come applicarli nella pratica.
Ottimizzazione: infine, vengono illustrati i metodi per ottimizzare i modelli e valutarne le prestazioni.
Rilevanza pratica: si lavorerà su problemi pratici utilizzando dati reali.
Durata del corso: 2 giorni
Questo corso fornisce conoscenze approfondite nel campo dell'apprendimento non supervisionato, che potrete applicare direttamente ai vostri progetti. Vengono proposti sia concetti teorici che esercizi pratici per garantire una comprensione completa di queste importanti tecniche.
Prezzo/partecipante: 1049€ più IVA.
(Approfittate di uno sconto esclusivo se vi iscrivete a più corsi).
Potete contarci!
Tutoraggio dal vivo
Apprendimento misto
Pianificazione individuale di luogo e tempo
Materiali disponibili per il download
